Perangkat Lunak Suara Tingkat Lanjut untuk Memprediksi Kerusakan pada Mesin

Operator berpengalaman dapat dengan mudah mengetahui apakah alat berat yang sedang mereka kerjakan mengalami kerusakan hanya dengan mendengarkan suara yang dihasilkannya. Sebuah perangkat lunak suara baru mari kita berharap bahwa, segera, semua orang akan memiliki kapasitas ini.

Memang, peneliti yang didanai Uni Eropa telah mengembangkan teknologi canggih berdasarkan sistem pendengaran manusia. Alat ini dapat menganalisis apakah mesin industri harus dirawat berkat analisis yang baik.

Ini adalah berita yang sangat bagus bagi siapa saja yang ingin menghilangkan risiko downtime dan mengurangi biaya perawatan. Mereka sebenarnya sangat penting bagi industri karena faktor-faktor ini mempengaruhi kualitas dan produktivitas sekaligus menurunkan keuntungan. Solusinya tampaknya mudah diterapkan dan mudah digunakan.

Proyek neuronSW Horizon2020 yang didanai UE menghasilkan pengembangan pendekatan inovatif yang inovatif untuk memprediksi kerusakan mekanis pada mesin industri.

Para peneliti menggabungkan pembelajaran mesin, algoritme canggih, dan analisis Big Data untuk meniru korteks pendengaran manusia dan memungkinkan deteksi dini dan prediksi kerusakan mekanis. Hasilnya sangat menjanjikan

“Teknologi ini memanfaatkan pembelajaran mesin, cloud, dan Internet of Things (IoT) untuk menghadirkan layanan deteksi yang meniru intuisi manusia tentang suara,” kata Jiří ermák, manajer teknis mitra proyek SME NeuronSW Ltd.

Apa itu Teknologi Soundware Neuron?

Berkat teknologi perangkat suara Neuron (neuronSW), produsen dapat melakukan diagnostik audio cerdas dan memantau item utama mesin dengan suara yang mereka hasilkan.

“Platform perangkat keras dan perangkat lunak terintegrasi secara otomatis mengumpulkan suara mesin secara real time dan terus menilai kesehatan peralatan. Cara kerjanya mirip dengan operator berpengalaman yang menggunakan telinga mereka untuk mendiagnosis mesin yang rusak,” jelas Čermák.

Keuntungan besar dari sistem ini adalah bekerja baik online maupun offline dan dapat diintegrasikan ke dalam platform IoT pihak ketiga atau perangkat lunak yang ada.

“Sensor suara dan getaran (mikrofon) dapat dipasang dengan cepat dan murah di semua jenis mesin, memungkinkan aset tanpa antarmuka digital atau dioperasikan oleh sistem lama untuk didigitalkan tanpa peningkatan yang mahal.”

Hampir tidak ada batasan untuk penerapan teknologi diagnostik audio, yang dapat digunakan untuk apa pun yang memiliki bagian yang bergerak dan menghasilkan suara.

“Namun, yang paling masuk akal adalah pertama-tama fokus pada bagian-bagian penting dari mesin, aset mahal, kontrol kualitas, dan pada aset di daerah terpencil dengan akses yang sulit” ermák menunjukkan.

Dia melanjutkan:“Industri yang berbeda bekerja sama dengan NeuronSW untuk menciptakan solusi untuk alat berat, termasuk mesin kogenerasi, pompa bahan bakar otomotif, turbin angin, eskalator, sistem AC, perakitan PC, kontrol kualitas motor listrik, dan pemeliharaan prediktif mesin pengemasan.”

Bagaimana Masa Depan Fitur Pemeliharaan Suara Prediktif?

Menurut Manajer Penjualan NeuronSW Ltd, Michal Bambušek, proyek ini juga berfokus pada rencana pemasaran dan penjualan.

“Kami membuat beberapa kontak bisnis penting baru yang membantu kami menemukan beberapa area dan kegunaan baru untuk teknologi kami, yang membantu meningkatkannya dan memungkinkan kami untuk maju.”

“Kami melatih staf penjualan dan mengidentifikasi pasar utama dan strategi go-to-market untuk teknologi neuronSW dan melakukan studi kasus untuk mengembangkan dan mengadaptasinya ke berbagai bidang,” katanya.

Baik manusia maupun mesin sama-sama merasakan manfaat yang jelas dari teknologi yang dikembangkan melalui inisiatif ini.

“Kami percaya bahwa di masa mendatang pemeliharaan suara prediktif akan menjadi fitur standar sebagian besar mesin dengan komponen bergerak, membantu produsen dan operator.

Terima kasih telah membaca artikel kami, tetap dapatkan informasi tentang dunia industri dan Exapro dengan mengikuti kami di Exapro Hub, Facebook, Twitter, dan LinkedIn.